腾讯科技讯 6月26日，谷歌(微博)正在进行一项新的人工智能研究，其成果可令机器人为用户提供技术支持服务。这家公司教会了电脑如何与人进行对话，这种对话的内容涵盖从哲学到乏味的IT技术支持任务等多个领域。在上周公布的一份研究报告中，谷歌公布了这项成果。
跟传统的“聊天机器人”不同的是，谷歌的这套系统并不是基于手编程序应答或者对世界的假想而开发的，而是基于企业或公共文件中的范例学会了对语言和对话进行模式化处理。“尽管这种模式有着明显的限制，但令我们感到惊喜的是，这是一种没有任何规则的、纯粹的以数据为驱动力的方法，其效果好于对许多类型的问题作出合适的应答。”谷歌在其研究报告中写道。
这套系统能对用户提出的问题作出应答，并且能与其进行长时间的复杂对话。在谷歌进行的测试中，该系统可帮助用户诊断和修复计算机问题，如网络浏览器和密码的问题等。另外，这个人工智能系统还教会了自己如何对有关道德和哲学的问题作出应答，而且其答案的连贯性很高，以至于可能会让用户误以为是自己的大学室友回答了他们的问题。
之所以能做到这一点，是因为这套系统的设计目的是基于语境来对用户提问作出合适的回答。“这些预测之所以能反映情景语境，是因为在对话完成以前，系统就已经能够预测到整个对话了。”谷歌高管杰夫·迪恩（Jeff Dean）在5月份召开的一次会议上说道。这套系统以所谓的“神经网络”为基础，这种网络能够模拟人脑皮质层的某些传感特性，此外该系统还配备了一个长期记忆组件，从而帮助其建立起对语境的理解。
这项研究是谷歌内部一项大型计划的一部分内容，这项计划旨在开发可进行对话的人工智能工具。谷歌旗下的伦敦研究部门DeepMind已经开发出了一种人工智能系统，可在没有指导的情况下学习如何玩视频游戏。谷歌研究员杰夫·辛顿（Geoff Hinton）正致力于开发所谓的“思想向量”（thought vector），其功能是提取一个句子的意思，从而使其可与其他句子或图像进行对比。这种概念为谷歌新的Q&A项目提供了支持。
“如果你能用一个向量代表某人提出的问题，那么就可以开始发现问题向量和回答向量之间的结构。”辛顿说道。“现在我们已经开始用向量来代表句子，因此我认为我们将在让对话行为变得更加合适的问题上取得很大进展。”
与此同时，这个概念还可能会被嵌入一个名为Descartes的新项目，这个项目是由谷歌工程主管雷·库兹韦尔（Ray Kurzweil）负责的。“在Descartes项目中，我们正在创造对话代理。”库兹韦尔说道。“我们正在努力试图克服的问题之一是，与人们进行互动的这些机器人需要拥有自己的动机和目标，而我们则需要找出那些动机和目标是什么。”
其他一些科技公司和大学也正在这一领域中从事各自的项目开发工作，其中包括微软、蒙特利尔大学和乔治亚理工学院等。其中，乔治亚理工学院也已经发布了一种基于类似方法的系统。
除了这种很有“思想深度”的新机器人以外，谷歌还在上周演示了一个项目，展示了该公司开发的一个人工智能系统能够如何创造出“华丽的、梦幻般的艺术品”。
比利时根特大学（Ghent University）的一些博士生已将谷歌的人工智能技术融入到一个基于网络的系统中去，这个系统能无限放大一张由一台机器人的“梦”所组成的图像。
跟传统的“聊天机器人”不同的是，谷歌的这套系统并不是基于手编程序应答或者对世界的假想而开发的，而是基于企业或公共文件中的范例学会了对语言和对话进行模式化处理。“尽管这种模式有着明显的限制，但令我们感到惊喜的是，这是一种没有任何规则的、纯粹的以数据为驱动力的方法，其效果好于对许多类型的问题作出合适的应答。”谷歌在其研究报告中写道。
这套系统能对用户提出的问题作出应答，并且能与其进行长时间的复杂对话。在谷歌进行的测试中，该系统可帮助用户诊断和修复计算机问题，如网络浏览器和密码的问题等。另外，这个人工智能系统还教会了自己如何对有关道德和哲学的问题作出应答，而且其答案的连贯性很高，以至于可能会让用户误以为是自己的大学室友回答了他们的问题。
之所以能做到这一点，是因为这套系统的设计目的是基于语境来对用户提问作出合适的回答。“这些预测之所以能反映情景语境，是因为在对话完成以前，系统就已经能够预测到整个对话了。”谷歌高管杰夫·迪恩（Jeff Dean）在5月份召开的一次会议上说道。这套系统以所谓的“神经网络”为基础，这种网络能够模拟人脑皮质层的某些传感特性，此外该系统还配备了一个长期记忆组件，从而帮助其建立起对语境的理解。
这项研究是谷歌内部一项大型计划的一部分内容，这项计划旨在开发可进行对话的人工智能工具。谷歌旗下的伦敦研究部门DeepMind已经开发出了一种人工智能系统，可在没有指导的情况下学习如何玩视频游戏。谷歌研究员杰夫·辛顿（Geoff Hinton）正致力于开发所谓的“思想向量”（thought vector），其功能是提取一个句子的意思，从而使其可与其他句子或图像进行对比。这种概念为谷歌新的Q&A项目提供了支持。
“如果你能用一个向量代表某人提出的问题，那么就可以开始发现问题向量和回答向量之间的结构。”辛顿说道。“现在我们已经开始用向量来代表句子，因此我认为我们将在让对话行为变得更加合适的问题上取得很大进展。”
与此同时，这个概念还可能会被嵌入一个名为Descartes的新项目，这个项目是由谷歌
问答系统本质上是一个信息检索（IR）系统，只是它从文本中获取更多信息，返回更加精准的答案。
传统的问答系统将按照以下的流程工作：（1）问题解析（2）信息检索（3）答案抽取。
聊天机器人，一种自动的问答系统。模仿人的语言习惯，通过模式匹配的方式来寻找答案。在它们的对话库中存放着很多句型、模板，对于知道答案的问题，往往回答比较人性化，而对于不知道的问题，则通过猜测，转移话题，或者回答不知道的方式给出答案。聊天机器人越来越火，且应用至各行各业，微信、微博、QQ等众多社交平台纷纷选择嵌入人工智能，尤其能理解对话的语境与语义的虚拟聊天机器人成为核心，得益于日益成熟的人机自然交互技术，提升了用户体验。
从它被训导之际起，研究人员会提出越来越复杂、高级的问题——涉及到使用一个更大的数据库来获取常识，以及道德、伦理和生命的意义等模糊化的答案。但这个机器人把这些答案都混淆了。
这个机器人能够正确识别天行者卢克的身份，以及知道猫会不会飞、天空的颜色等。当被提问“生存的目的是什么”时，它回答道：“为更高的利益作贡献”。而当被问到“生命的意义是什么？”时，机器人的回答竟是：“为了永生。”
然而，它却不能回答“情绪的目的是什么”，甚至混淆了“道德”和“利他主义”的含义。
比如，它说“孕育一个孩子是不道德的”，还有对利他主义的定义是“如果你不信仰上帝，你就不会了解”。除此之外，它对简单的数学问题也答不上来，也说出过“蜘蛛有三条腿”的话来。
“会话建模是实现自然语言理解和机器智能一项至关重要的任务，”研究人员在论文中表示，“这是个神经会话模型”。“老式的方法固然存在，但往往这些方法被限于特定的领域（比如定张机票），而且需要人工预置规则。”
由此产生的聊天机器人对于库伊达和许多与罗曼最亲近的人来说，有一种出奇的熟悉感，甚至还能让人感到安慰。当消息传出后，库伊达即刻收到了蜂拥而至的消息，来自于想要创建一个跟自己一样的机器人或为已经去世的亲人创建机器人的人们。库伊达并没有为每一个咨询的人创建机器人，而是决定创造一个机器人，让它从用户那里学到足够多的知识，以适合每一个人使用。有关Replika的想法诞生了。
但库伊达说，Replika背后的任务很快就改变了。在测试期间，库伊达和她的团队开始意识到，人们对创建自己的数字版本不太感兴趣，他们想把自己生活中一些最私密的事情告诉机器人。
所以工程师们开始专注于创造一个善于聆听并提出好的问题的人工智能。在开始与用户对话之前，Replika有一个预先构建好的个性，它是由一系列的脚本构成的，这些脚本的设计目的是吸引人们，并在情感上给予人们支持。